Question

我有一个包含大约100000篇文章的文本文件。文件的结构是：

.Document ID 42944-YEAR:5
.Date  03\08\11
.Cat  political
Article Content 1

.Document ID 42945-YEAR:5
.Date  03\08\11
.Cat  political
Article Content 2

我想在c＃中打开这个文件，逐行处理。我试过这段代码：

String[] FileLines = File.ReadAllText(
                  TB_SourceFile.Text).Split(Environment.NewLine.ToCharArray());

但它说：

类型异常 'System.OutOfMemoryException'是抛出。

问题是如何打开此文件并逐行阅读。

文件大小：564 MB（591,886,626字节）
文件编码：UTF-8
文件包含Unicode字符。

Answer 1

您的文件太大，无法一次性读入内存，因为File.ReadAllText正在尝试这样做。您应该逐行读取文件。

改编自MSDN：

string line;
// Read the file and display it line by line.
using (StreamReader file = new StreamReader(@"c:\yourfile.txt"))
{
    while ((line = file.ReadLine()) != null)
    {    
        Console.WriteLine(line);
        // do your processing on each line here
    }
}

这样，任何时候内存中只有一行文件。

Answer 2

您可以打开文件read it as a stream，而不是一次性将所有内容加载到内存中。

来自MSDN：

using System;
using System.IO;

class Test 
{
    public static void Main() 
    {
        try 
        {
            // Create an instance of StreamReader to read from a file.
            // The using statement also closes the StreamReader.
            using (StreamReader sr = new StreamReader("TestFile.txt")) 
            {
                String line;
                // Read and display lines from the file until the end of 
                // the file is reached.
                while ((line = sr.ReadLine()) != null) 
                {
                    Console.WriteLine(line);
                }
            }
        }
        catch (Exception e) 
        {
            // Let the user know what went wrong.
            Console.WriteLine("The file could not be read:");
            Console.WriteLine(e.Message);
        }
    }
}

Answer 3

如果您使用的是.NET Framework 4，System.IO.File上有一个名为ReadLines的新静态方法，它返回一个IEnumerable字符串。我相信它被添加到这个确切场景的框架中;但是，我还没有自己使用它。

MSDN Documentation - File.ReadLines Method (String)

Related Stack Overflow Question - Bug in the File.ReadLines(..) method of the .net framework 4.0

Answer 4

这样的事情：

using (var fileStream = File.OpenText(@"path to file"))
{
    do
    {
        var fileLine = fileStream.ReadLine();
        // process fileLine here

    } while (!fileStream.EndOfStream);
}

如何在C＃中打开一个大文本文件

4 个答案: